300社を超えるお客さまに活用されてきたAIソリューション
こんなお悩みはありませんか？
こんなお悩みはありませんか？
確認できない
メール検索機能
集めるのが大変
＼ AIを使えば解決 ／
＼ AIを使えば解決 ／
＼ 他にも解決できる課題がたくさん ／
＼ 他にも解決できる課題がたくさん ／
業績に多大な影響を与えるインシデント事例
大手化学メーカー様
株価-11% -600億円
大手製鉄会社様
株価-41% -2,100億円
大手自動車メーカー様
株価-5% -2,200億円
大手自動車メーカー様
株価-15% -4,600億円
業績に多大な影響を与えるインシデント事例
大手化学メーカー様
株価-11% -600億円
大手製鉄会社様
株価-41% -2,100億円
大手自動車メーカー様
株価-5% -2,200億円
大手自動車メーカー様
株価-15% -4,600億円
KIBIT Communication Meterとは
効果的なコンプライアンス体制の構築、不正の早期発見・再発防止に貢献します。
導入事例
メール監査（様々なリスク）
金融業界では、インサイダー情報や銀証間におけるファイヤーウォール規制。個人情報記載など、様々なリスクを検知していく必要がある。
１日の社外メール約2,500件のうち、約半数の1,250件程度査閲している
人による査閲対象を約700件まで絞り込むことができた
72%の業務削減を実現
メール監査（カルテル）
大手電機機器メーカーにてカルテルの観点から関連キーワードに該当するメールを人力で監査する必要がある。
①キーワードが適切かわからず判断基準があいまいだった
②レビュー時間が毎月250時間かかり、通常業務に支障が出る
③監査対象外データに何％のリスクがあるのか不明確
①AIが同じ基準でキーワードを選出
②人が確認する毎月のレビュー時間が５時間に短縮
③監査対象外データに潜むリスクを１％程度に明確化
人力の監査時間を1/50に減らす
メール監査（品質不正）
製品データ改ざんが行われた事案が発生したため、疑わしいやり取りを早期に発見するための監査体制の構築が求められた。
①疑わしいメールにおいてキーワードだけでは絞り込みが困難
②メール総数が約18万件に対して、希望監査件数は500件程度
①AIによるスコア結果の内、最上遺体をメール監査することで間接的な表現を含む疑義メールを抽出
②高度検索（絞り込み）を実施し、上位～中位帯のメールをかんさせることで該当表現を含む疑義メールを抽出
疑義メールの８割以上を発見
音声テキスト
商談におけるトラブルを予防するため、音声によるコンプライアンス違反を検知する必要がある。
後々トラブルになりえるような発言が商談中になかったか把握できなかった。
例：金融商品において「絶対儲かる」など
①人工知能に学習させコンプライアンス違反に該当する内容を検知
②音声認識の変換精度が多少悪くても、通話全体から抵触している内容を検知する
契約前にコンプラ違反の検知
導入企業
三菱ＵＦＪモルガン・スタンレー証券株式会社
1日最大4万件を超える通話データに対してAIによる全量一次スクリーニングを実現
自然言語AI「KIBIT」と音声テキスト化システムの連携で 革新的なモニタリングシステムを構築
東京海上日動火災保険株式会社
お客様本位の業務運営の実現に向け、お客様の声分析にAIを導入
すべてのデータから「見るべきもの」を抽出し、人の目で確認する運用へ
導入事例
メール監査（様々なリスク）
金融業界では、インサイダー情報や銀証間におけるファイヤーウォール規制。個人情報記載など、様々なリスクを検知していく必要がある。
１日の社外メール約2,500件のうち、約半数の1,250件程度査閲している
人による査閲対象を約700件まで絞り込むことができた
72%の業務削減を実現
メール監査（カルテル）
大手電機機器メーカーにてカルテルの観点から関連キーワードに該当するメールを人力で監査する必要がある。
①キーワードが適切かわからず判断基準があいまいだった
②レビュー時間が毎月250時間かかり、通常業務に支障が出る
③監査対象外データに何％のリスクがあるのか不明確
①AIが同じ基準でキーワードを選出
②人が確認する毎月のレビュー時間が５時間に短縮
③監査対象外データに潜むリスクを１％程度に明確化
人力の監査時間を1/50に減らす
メール監査（品質不正）
製品データ改ざんが行われた事案が発生したため、疑わしいやり取りを早期に発見するための監査体制の構築が求められた。
①疑わしいメールにおいてキーワードだけでは絞り込みが困難
②メール総数が約18万件に対して、希望監査件数は500件程度
①AIによるスコア結果の内、最上遺体をメール監査することで間接的な表現を含む疑義メールを抽出
②高度検索（絞り込み）を実施し、上位～中位帯のメールをかんさせることで該当表現を含む疑義メールを抽出
疑義メールの８割以上を発見
音声テキスト
商談におけるトラブルを予防するため、音声によるコンプライアンス違反を検知する必要がある。
後々トラブルになりえるような発言が商談中になかったか把握できなかった。
例：金融商品において「絶対儲かる」など
①人工知能に学習させコンプライアンス違反に該当する内容を検知
②音声認識の変換精度が多少悪くても、通話全体から抵触している内容を検知する
契約前にコンプラ違反の検知
導入企業
三菱ＵＦＪモルガン・スタンレー証券株式会社
1日最大4万件を超える通話データに対してAIによる全量一次スクリーニングを実現
自然言語AI「KIBIT」と音声テキスト化システムの連携で 革新的なモニタリングシステムを構築
東京海上日動火災保険株式会社
お客様本位の業務運営の実現に向け、お客様の声分析にAIを導入
すべてのデータから「見るべきもの」を抽出し、人の目で確認する運用へ
お問い合わせ
必要事項をご入力の上、送信してください。担当者より後ほどご連絡させていただきます。
